补贴政策与排放限制下陕西可再生能源发展预测——基于MARKAL模型的情景分析

2013-07-27 08:19何旭波

暨南学报(哲学社会科学版) 2013年12期

何旭波

(西安交通大学经济与金融学院，陕西西安710061)

一、引言

能源是经济和社会发展的重要物质基础。中国经济在经历了30多年的高速增长后，除了使大量的贫困人口得以脱贫，也为能源市场和生态环境带来了巨大的压力。在保障能源安全和缓解环境污染的双重压力下，大力发展可再生能源是国家实现可持续发展的战略选择和基础保证。作为我国的能源大省，陕西以化石燃料特别是煤为主的能源生产结构，在当前全社会推动可持续发展的背景下面临着尤为巨大的压力。如何调整能源结构，促进可再生能源发展，进而实现陕西向可持续发展转型是目前亟待解决的问题。

2005年国家《可再生能源法》颁布，可再生能源的重要性取得广泛共识;2007年国家发改委颁布《可再生能源中长期发展规划》，力争实现2020年可再生能源占总能源消费的15%;2010年修订后的《可再生能源法》颁布实施，明确了可再生能源发电的保障性收购制度和可再生能源发展基金;2011年国务院出台《“十二五”控制温室气体排放工作方案》，提出进一步推动可再生能源发展，并实现2015年非化石能源占总能源消费的11.4%。作为国家级规划的重要组成部分，陕西省也积极研究制定了《可再生能源“十二五”规划》，并明确以推进能源结构战略性调整、加快可再生能源发展、推动能源结构清洁化、提升能源科技研发能力为主的可再生能源发展战略。

然而，现有文献中缺少对陕西省各种可再生能源政策效果的模拟分析。本文通过文献调查法，在详细建立陕西省各种一次能源的补贴政策和主要大气污染物排放限制的基础上，运用MARKAL模型预测陕西省未来各种一次能源的发展水平，并比较存在大气污染物排放限制(下文简称为排放限制)和可再生能源生产补贴政策(下文简称为补贴政策)时各种能源，尤其是可再生能源的发展情况。MARKAL模型是国际能源署(IEA)开发的综合型能源系统优化模型。通过使用非线性FCM模糊算法，MARKAL模型能够模拟不同能源载体的转化关系以及与能源系统密切相关的环境、经济和政策，如Shipkovs等利用MARKAL模型分析了拉脱维亚能源部门发展可再生能源的可能后果，认为可再生能源的发展能够有效地降低温室气体排放;陈文颖和吴宗鑫利用MARKAL模型研究中国未来主要温室气体排放的控制策略，发现大规模地使用可再生能源是有效控制温室气体的保证。除了气候变化领域，MARKAL模型也被用于其他领域的研究中，如佟庆等将MARKAL模型运用于北京市中长期能源系统建设研究，发现适当安排大气环境质量改善的进程可以明显减少清洁能源系统建设成本，且不影响大气环境质量改善的总体效果;李华林等运用MARKAL模型研究了2000—2050年间我国西部地区终端能源需求、一次能源供应、电力消费及构成、水资源需求以及污染物排放等，并分析了“能源东送”方案对西部能源系统的影响;香小敏等利用MARKAL模型分析了广东省天然气发电在不同燃料价格、环保、经济和政策等因素的影响下，所具有的竞争力及潜在的市场空间;余岳峰等利用MARKAL模型研究了上海市未来经济发展模式以及低排放能源技术发展策略;周伟和米红利用MARKAL模型预测了我国不同能源效率和结构下的能源需求。与本文相似的研究包括Shipkovs等以及陈文颖和吴宗鑫。

本文余下的内容安排如下:第二部分介绍本文所使用的MARKAL模型以及主要的外生参数假定;第三部分构建政策模拟情景;第四部分比较不同情景下的模拟结果，由于发展可再生能源能够减少温室气体排放，这一部分也包括了对不同情景下陕西省未来二氧化碳排放情况的模拟;第五部分为结论及政策建议。

二、模型构建

与Shipkovs等及陈文颖和吴宗鑫等人的研究相似，通过简化目标函数和约束方程，本文假设系统优化目标为能源系统成本最小化，即式(1):

式(1)中的C为已知的能源流动各环节中的成本系数矩阵。式(2)～(6)为上式(1)的约束方程。式(2)为一次能源供应总量平衡方程，表示一次能源的供给量不能大于资源存量，其中X代表从一次能源产品到终端能源需求之间各环节的能源流动向量，即模型中的被解释变量，i=2，3，4，5表示能源流动的方向，从2到5分别为终端需求、二次能源供应、二次能源转换、一次能源转换和一次能源供应，各环节的能源流动量为作者根据《陕西省可再生能源十二五发展规划》以及《2010年陕西省国民经济和社会发展统计公报》估算得来;SUP表示资源向量，以基准年的能源总产出表示(标准煤);

式(3)为不同环节的能源载体平衡方程，表示每一环节的能源消耗量不能超过上一环节的能源转化量，其中E表示能源转换效率矩阵;

式(4)为终端能源供求平衡方程，表示终端能源的供给量应大于需求量，其中D表示终端能源需求向量;

式(5)为生产运行条件平衡方程，表示能源的生产量应小于给定技术条件下生产运行的最大容量限制，其中CAP为生产技术能力限制向量;

式(6)为污染物排放约束方程，表示各环节的污染物排放量之和小于某一既定限制，其中EM是各环节的污染物排放量，为作者根据《中国环境统计年鉴2010》中的各能源相关的大气污染物排放系数估算而来，EM为整个优化期内的污染物排放限制。

本文以2009年为基年，以5年作为时间跨度，模拟2010年至2030年陕西省可再生能源的发展情况，式(1)～(6)共同组成了本文的MARKAL模型，表1介绍了本模型使用的人口及城镇化率假设。此外，为了运用MARKAL模型进行预测，还需要对陕西省的GDP、产业结构、消费等变量的变化情况做出假设，具体数值见表2。

表1 陕西省人口及城镇化率假设①《陕西年鉴2007》中对陕西省未来城镇人口的数量做了预测，这也是作者能找到的关于陕西省2010—2030年城镇人口规模唯一的官方数据。虽然数据并不是最新的，但从2007—2012年《陕西省国民经济和社会发展统计公报》可知，这几年陕西省的城镇化率分别为40.6%、42.1%、43.5%、47.3%和50.02%(公报中未公布2010年的城镇化率)，从这几个年份的城镇化率可以看出，《陕西年鉴2007》中的数据还是具有一定可信度的。在此作者感谢匿名审稿人指出的数据时效性问题。

表2 陕西省经济发展目标假设

注:(1)GDP、人均GDP和消费占GDP的比重来自《2010年陕西省国民经济和社会发展统计公报》及作者根据公报计算所得;(2)产业结构数据来自《世界经济年鉴2010—2011》。

三、情景设定

根据Shipkovs等及陈文颖和吴宗鑫等研究人员的观点，促进可再生能源发展主要有两种方式:一是通过给予可再生能源生产补贴，降低可再生能源的成本;二是通过对化石燃料的使用施加限制，如碳排放限制等，增加化石燃料的使用成本。本文从这两点出发，根据是否实施排放限制以及补贴政策设定了四种模拟情景。但与上述的研究不同，本文结合《环境空气质量标准》及陕西省的能源—经济情况，考虑SO、CO和NO等主要大气污染物的排放限制对可再生能源发展的影响。四种模拟情景下具有相同的人口、城市化率、经济发展目标及能源技术成本。假设情景A为基准情景，在此情景下不实施排放限制，政府也无补贴政策，模型仅仅在满足经济社会发展目标的情况下，自动选择使系统成本最低的能源产量和相应的污染物排放水平。

假设情景B下实施排放限制，但不存在补贴政策。根据陕西省已经制定的空气质量标准，本文假设2010—2020年陕西省SO、CO、NO等主要污染物的排放水平保持在国家二级空气质量水平，并在2020年之后逐渐减少这三种主要大气污染物的排放量，使2030年陕西省空气质量达到国家空气质量一级标准。表3为我国针对主要污染物排放所制定的空气质量标准。

表3 各项污染物的浓度限值

假设情景C下仅实施补贴政策。目前陕西省有发展潜力的可再生能源包括:太阳能、生物质能、风能、水能四种，制造的二次能源产品主要有电力和沼气，另有生物柴油、生物乙醇等。因此在情景C下，应根据不同的二次能源产品设定补贴方案。以电力为例，本文假设煤电为基准发电技术。若对可再生能源发电实行生产补贴，则应使补贴后的各类可再生能源发电(RES－E)的成本与煤电相同，使可再生能源发电与煤电相比没有成本上的劣势。具体补贴方案见表4。除发电外的各类沼气技术方案以及燃料技术方案(生物乙醇和生物柴油)的补贴思路与可再生能源发电补贴的思路相同，见表5～6。

表4 可再生能源发电补贴方案单位:元/每千瓦时

表5 可再生能源制沼气补贴方案单位:元/公斤

最后，假设情景D下同时实施排放限制和补贴政策。

表6 可再生能源制燃料补贴方案单位:元/吨

四、模型结果分析

(一)不同情景下的能源生产

模型中的原始数据包括陕西省未来的城镇化水平(表1)、经济发展目标(表2)、主要污染物排放限制和可再生能源补贴方案(表3～6);资源存量(SUP)等于2010年的化石燃料的总产量(标准煤单位)，数据来源于《2010年陕西省国民经济和社会发展统计公报》中各种一次能源的加总，终端能源需求量(D)来自《中国统计年鉴2011》;能源转换效率矩阵来自陈文颖和吴宗鑫。令X=SUP并将情景A、B、C和D中的数据与约束条件带入ANSWER5软件进行矩阵运算，四种情景下一次能源生产结构的模拟结果见表7。

表7 不同模拟情景下陕西省能源生产预测单位:万吨标准煤，%

在基准情景下，风能、太阳能、生物质等可再生能源的发展速度较快，尤其是风能和太阳能，年平均增长速度分别为23.6%和17.5%;煤炭、石油和天然气等化石燃料产量的年平均增长速度整体较低，但在陕西省的能源生产中占主体地位。2030年陕西省化石燃料的产量占能源总产量的82.37%，若加上核能，不可再生能源在2030年的能源总产量中占85.16%。可再生能源的整体发展速度快于不可再生能源，但由于可再生能源的基数较小，因此在陕西省未来的能源生产中影响有限。到2020年，陕西省可再生能源的产量占能源总产量的12.04%，2030年，这一比重上升为14.84%。

在情景B下，由于实施了排放限制，几种可再生能源的发展速度均高于基准情景下的水平，风能和太阳能的发展速度进一步加快，分别为29.6%和21.5%，除水电外的可再生能源均获得了两位数的年平均增长速度加快;不可再生能源生产的增长速度低于基准情景，煤、石油和天然气等化石燃料产量的变化尤为明显。2030年化石燃料的产量占陕西省能源总产量的68.39%，加上核能，不可再生能源在能源总产量中占72.52%，低于基准情景下的水平。此外，由于核电、天然气并不排放大气污染物，排放限制会促进核电和天然气的发展。虽然情景B下未实施补贴政策，但排放限制减少了化石燃料的产量，到2020年可再生能源的产量占能源总产量的18.61%，2030年，这一比重进一步上升为27.48%。

在情景C下，由于实施了补贴政策，可再生能源的发展速度高于基准情景下的水平，同时促进了化石燃料增长速度的下降。但从表7可知，与排放限制政策相比，补贴政策对可再生能源的促进作用以及对化石燃料的限制作用都小于情景B下的模拟结果。以煤和风能为例，在情景B下，模拟期内煤产量的年平均为0.67%，而在情景C下，这一速度为1.03%;在情景B下，模拟期内风能的年平均增速为29.6%，高于情景C下的27.1%。可见，仅实施补贴政策对可再生能源发展的促进作用有限，这可能是因为可再生能源的规模及经济效率与化石燃料相比缺乏优势。

在情景D下，由于排放限制和补贴政策的双重作用，可再生能源的发展进一步加快，除水电的增速较小外，其他可再生能源增速进一步加大;2030年陕西省不可再生能源在能源总产量中的比重下降到了65.51%，尤其是煤、石油和天然气等化石燃料，其生产的年平均增长速度不仅低于基准情景下的水平，也低于情景B、情景C中的水平。同时，可再生能源的生产速度进一步加快，使得可再生能源在能源生产中的比重有了很大提高，到2020年，可再生能源的产量占能源总产量的23.24%，到2030年这一比重超过了三分之一。

从《陕西统计年鉴2011》可知，2010年陕西省的煤、石油、天然气和水电占能源总产量的比例分别为77.26%、13.42%、8.98%和0.33%，统计年鉴中缺少陕西省的核电和其他可再生能源的生产数据，但从表7可知，MARKAL模型预测的2010年陕西省化石燃料的比重与统计年鉴中公布的数据相近，说明本文的研究具备一定的可信度。此外，四种情景下增长最快的一次能源是核电、风能和太阳能。随着政府的政策转向鼓励生产和使用可再生能源，高污染的化石燃料，特别是煤的年平均增长速度下降最快。可再生能源以及天然气、核电等一次能源在情景B、情景C和情景D下获得了更快的发展。与情景B相比，情景C和情景D下的天然气和核电的生产没有变化。天然气和核电虽然属于不可再生能源，但在使用这两种能源时并不会排放出SO、CO或NO。在情景D下，除水电外的可再生能源均获得了比情景B下更快的增长速度，说明补贴政策能够加速风能等可再生能源的生产，同时促进对化石燃料如煤和石油的替代，但对天然气、核电和水电的生产影响不大。而在情景C下，若仅实施补贴政策，可再生能源的生产速度仅快于基准情景下的模拟结果，化石燃料的生产速度与基准情景相比也未减少太多。此外，与基准情景相比，实施排放限制和补贴政策除了会增加可再生能源的产量外，并不会减少能源的总供给。从基准情景下的模拟结果可知，即使不存在排放限制和补贴政策，可再生能源的发展速度也快于化石燃料，但在引入排放限制和补贴政策后，可再生能源明显加快了对化石燃料的替代。

(二)不同情景下的污染物排放

SO、CO、NO这三种污染物的排放主要来源于化石燃料的燃烧。基于上文中对不同情景下陕西省未来各种一次能源生产的模拟，这三种污染物在不同模拟情景下的变化趋势分别见图1～3。

在基准情景下，陕西省2010—2030年的SO、CO和NO等主要污染物的排放量逐年递增。三种空气污染物中，排放量最大的是CO，这和陕西省以煤为主的能源结构是分不开的。CO从2010年的2931.22万吨上升为2030年的3598.3万吨;SO的排放量从2010年的52.13万吨上升为2030年的63.45万吨;NO的排放量从2010年的72.13万吨上升为2030年的82.52万吨。

在情景B下，由于实施了排放限制，陕西省2010—2030年三种主要空气污染物的排放量出现了不同程度的下降，特别是在2020年引入一级空气质量标准之后，主要污染物的排放量开始加速下降，特别是SO下降得最快。2030年CO的排放量比2010年下降了44.6%，SO的排放量比2010年下降了55.4%，NO的排放量比2010年下降了43.7%。

在情景C下，由于只实施排放限制政策，与化石燃料的生产变化在该情景下的模拟结果相似，SO、CO和NO等主要大气污染物排放量仅小于基准情景下的模拟结果，但大于情景B和情景C下的模拟结果。

在情景D下，由于排放限制和补贴政策同时存在，SO、CO和NO等主要污染物的排放量下降得更快。2030年CO的排放量比2010年下降了55.1%，SO的排放量比2010年下降了77.9%，NO的排放量比2010年下降了71.5%。

从图1～3可知，与基准情景下的模拟结果相比，实施排放限制和补贴政策均会“反转”SO、CO和NO等主要大气污染物排放的上升趋势，且同时实施两种政策的“合力”会加速主要污染物排放的下降趋势。此外，由于《环境空气质量标准(GB 3095—1996)》中一、二级空气质量标准主要体现在SO的浓度限值上，因此在实施排放限制时，SO减少得最快(图2)。

图2 SO2在不同情景下的排放趋势

(三)可再生能源补贴对二氧化碳排放的影响

大力发展可再生能源通过减少化石燃料的使用，能够在一定程度上降低温室气体排放，缓解气候变化可能带来的后果，通过预测陕西省未来化石燃料产量的变化情况，利用IEA公布的中国重要化石燃料的二氧化碳排放系数，可估算出陕西省未来的二氧化碳排放变化情况(图4)。

从图4可知，在不同的情景下，陕西省2030年的二氧化碳排放量分别约为480、424、465和392万吨。实施排放限制或补贴政策均能减少未来陕西省的二氧化碳排放水平，但由于补贴政策的作用有限，导致仅实施补贴政策(情景C)下的减排量(相对于基准情景)小于情景B和情景D。此外，图4与图1～3的最大不同在于未来陕西省二氧化碳的排放量并未因可再生能源发展而出现绝对量上的大幅下降，只是在不同的模拟情景下，碳排放的增长速度慢于基准情景A，其中情景B和情景D下的碳排放速度慢于情景C，说明排放限制的减排力度强于补贴政策。出现上述变化的原因是天然气的燃烧不会造成SO、CO和NO等主要大气污染物的排放，但会排放出二氧化碳，而实施排放限制或补贴政策后，天然气在化石燃料总产量中的比重保持稳定，但相对于其他化石燃料而言其比重增加了。

图1 CO在不同情景下的排放趋势

图3 NOx在不同情景下的排放趋势

图4 CO2在不同情景下的排放趋势

五、研究结论及政策建议

政府政策会影响生产要素的相对价格进而改变经济激励以实现政策目标，而要素相对价格的变化会使人们更经济地使用变贵了的要素，或者使用其他某种更便宜的替代要素，这就是经济学文献中的诱发型技术进步理论(In-duced Technological Change)。实施补贴政策和排放限制政策后，煤炭和石油等化石燃料相对价格的上涨，在促进生产部门使用替代性能源的同时也促使其提高化石燃料的使用效率。

在当前陕西省保障能源安全和缓解环境污染的双重压力下，发展可再生能源成为陕西省走可持续发展道路的关键性战略。本文运用MARKAL模型，模拟不同污染物排放限制和可再生能源生产补贴政策下，陕西省2010—2030年主要的能源生产和污染物排放情况，结果发现:(1)通过提升空气质量标准，煤和石油所受影响最大，其他一次能源由于不排放污染物，所以这些能源的产量均得益于空气质量的改善，特别是可再生能源;(2)可再生能源的生产补贴在促进可再生能源发展的同时，会降低煤和石油的增长速度，但是天然气和核电不受影响;(3)排放限制和补贴政策均会“反转”当前主要污染物排放的上升趋势，尤其是SO，同时实施两种政策的“合力”会加速污染物排放的下降趋势;(4)在实施促进可再生能源发展的政策时，由于可再生能源对化石燃料的替代，未来陕西省的二氧化碳排放量的增速出现下降，虽然污染物排放限制和可再生能源生产补贴政策均具有一定减排作用，但排放限制的减排作用要强一些。

基于上述结论，本文认为实施可再生能源生产补贴和大气污染物排放限制可以有效地加快陕西省可再生能源的发展，从而优化能源结构，改善空气质量，减少因化石燃料造成的温室气体排放，对陕西省由能源大省向能源强省转变，进而实现低碳、可持续发展方式具有重要的战略意义。

［1］Seebregts，A..Energy/Environmental Modelling Using the MARKAL Family of Models［R］.ECN Policy Studies and Gary Goldstein，IRG，Primary Software Coordinator ETSAP，Presented at and selected for publication in the Proceedings of the OR2001 Conference，Energy and Environment Session，September 3－5，2001，Duisburg，Germany.

［2］Shipkovs，P.，G.Kashkarova，Shipkovs，M..Renewable energy utilization in Latvia［J］.Renewable Energy，1999，16(1－4).

［3］陈文颖，吴宗鑫.用MARKAL模型研究中国未来可持续能源发展战略［J］.清华大学学报(自然科学版)，2001，41(12).

［4］陈文颖，吴宗鑫.未来中国的SO2和CO2排放控制对策［J］.清华大学学报(自然科学版)，2002，42(10).

［5］佟庆，白泉，刘滨，吕应运.MARKAL模型在北京中远期能源发展研究中的应用［J］.中国能源，2004，(6).

［6］李华林，陈文颖，吴宗鑫，吴欧密.西部可持续能源开发利用模型［J］.清华大学学报(自然科学版)，2006，46(9).

［7］香小敏，陈茂濠，黄何，郭贤明.广东省天然气发电前景分析［J］.能源技术，2007，(4).

［8］余岳峰，胡建一，章树荣，罗永浩.上海能源系统MARKAL模型与情景分析［J］.上海交通大学学报，2008，(3).

［9］周伟，米红.中国能源消费排放的CO测算［J］.中国环境科学，2010，(8).

［10］陕西省人民政府.陕西省2010年第六次全国人口普查主要数据公报［EB/OL］.http:∥www.gov.cn/gzdt/2011－05/11/content_1861638.htm.

［11］张靖.引入省际净迁移因素的年龄别分城乡人口预测［J］.统计与决策，2011，(8).

［12］《陕西年鉴》编撰委员会.陕西年鉴2007［M］.西安:陕西年鉴出版社，2007.

［13］陕西省人民政府.2010年陕西省国民经济和社会发展统计公报［EB/OL］.http:∥www.shaanxi.gov.cn/0/1/9/39/97443.htm.

［14］《世界经济年鉴》编辑委员会.世界经济年鉴2010—2011［M］.北京:经济科学出版社，2011.

［15］时璟丽.中国可再生能源电价政策［EB/OL］.国家发展和改革委员会能源研究所，2010.Available at:http:∥www.efchina.org/csepupfiles/report/201112441339800.6199902107537.pdf/4.%20Chinese%20RE%20Pricing%20Policies_SHI%20Jingli_CN.pdf.

［16］Booras，G..Australian electricity generation technology costs-reference case 2010［EB/OL］.Prepared for Australian Government Department of Resources，Energy and Tourism，2010.Available at:http:∥www.ret.gov.au/energy/Documents/AEGTC%202010.pdf.

［17］Walden，T..Relative Costs of Electricity Generation Technologies［R］.Prepared for Canadian Nuclear Association，Canadian Energy Research Institute，2006.

［18］International Energy Agency.CO2 Emissions from Fuel Combustion－2011 Highlights［M］.Paris:IEA，2011.

［19］Goulder，L..Induced Technological Change and Climate Policy［R］.Pew Center on Global Climate Change，2004.